Linus Torvalds Adota IA no Desenvolvimento do Linux

Segundo apuração do ZDNET, Linus Torvalds ultrapassou uma barreira importante em sua relação com a inteligência artificial ao utilizá-la para desenvolver código real para o kernel do Linux. Sob sua supervisão direta, o assistente Claude Code ajudou a estruturar uma série de oito patches focados em resolver um problema crônico de lentidão em cache de memória.

Como o Claude Code Atuou no Kernel

O problema técnico girava em torno da contenção no cache de páginas do Linux. Quando múltiplas threads realizavam leituras pequenas e simultâneas do mesmo arquivo em cache, as atualizações nos contadores de referência geravam disputas intensas entre os núcleos do processador.

Com a ajuda da IA, a solução desenvolvida adiou a reutilização de memória removida do cache até o término de um período de graça RCU. Isso permitiu que o sistema copiasse dados diretamente para o buffer do usuário sem reescrever continuamente a linha de cache compartilhada.

Os Números Práticos do Experimento

Em testes realizados no laptop pessoal de Torvalds usando um processador Intel Core i7, os ganhos em cenários específicos de leitura intensa foram expressivos:

• Vazão de dados: O throughput de oito threads saltou de cerca de 10 milhões para uma faixa entre 30 e 33 milhões de leituras por segundo.
• Custo de processamento: Os ciclos de kernel necessários por operação de leitura despencaram de aproximadamente 2.950 para 725.

O próprio criador do Linux ressalta que isso não acelera o sistema operacional inteiro de forma generalizada, mas otimiza drasticamente gargalos pontuais de leitura em multithreading.

Veredito: Vale a pena para a sua rotina?

O experimento demonstra que ferramentas como o Claude Code são úteis para debugar e estruturar correções complexas, mas o próprio Torvalds mantém cautela. Como o adiamento na liberação de memória gerou efeitos colaterais em páginas não mapeadas, o código segue em uma branch separada e ainda não foi integrado à versão principal do Linux.

Para engenheiros de software, a lição é clara: a IA acelera a prototipagem de soluções difíceis, mas a validação humana rigorosa continua sendo indispensável antes de enviar qualquer alteração para ambientes de produção.